相信許多人很早就知道有掃雷這么一款經(jīng)典的游(顯卡測(cè)試)戲(軟件)，更是有不少人曾聽說過中國(guó)雷圣，也是中國(guó)掃雷第一、世界綜合排名第二的郭蔚嘉的頂頂大名。掃雷作為一款在Windows9x時(shí)代就已經(jīng)誕生的經(jīng)典游戲，從過去到現(xiàn)在依然都有著它獨(dú)特的魅力：快節(jié)奏高精準(zhǔn)的鼠標(biāo)操作要求、快速的反應(yīng)能力、刷新紀(jì)錄的快感，這些都是掃雷給雷友們帶來的、只屬于掃雷的獨(dú)一無(wú)二的興奮點(diǎn)。

一.準(zhǔn)備

準(zhǔn)備動(dòng)手制作一套掃雷自動(dòng)化軟件之前，你需要準(zhǔn)備如下一些工具/軟件/環(huán)境

-開發(fā)環(huán)境

1.Python3環(huán)境-推薦3.6或者以上[更加推薦Anaconda3，以下很多依賴庫(kù)無(wú)需安裝]

2.numpy依賴庫(kù)[如有Anaconda則無(wú)需安裝]

3.PIL依賴庫(kù)[如有Anaconda則無(wú)需安裝]

4.opencv-python

5.win32gui、win32api依賴庫(kù)

6.支持Python的IDE[可選，如果你能忍受用文本編輯器寫程序也可以]

-掃雷軟件

·MinesweeperArbiter(必須使用MS-Arbiter來進(jìn)行掃雷!)

好啦，那么我們的準(zhǔn)備工作已經(jīng)全部完成了!讓我們開始吧~

二.實(shí)現(xiàn)思路

在去做一件事情之前最重要的是什么?是將要做的這件事情在心中搭建一個(gè)步驟框架。只有這樣，才能保證在去做這件事的過程中，盡可能的做到深思熟慮，使得最終有個(gè)好的結(jié)果。我們寫程序也要盡可能做到在正式開始開發(fā)之前，在心中有個(gè)大致的思路。

對(duì)于本項(xiàng)目而言，大致的開發(fā)過程是這樣的：

完成窗體內(nèi)容截取部分

完成雷塊分割部分

完成雷塊類型識(shí)別部分

完成掃雷算法

好啦，既然我們有了個(gè)思路，那就擼起袖子大力干!

1.窗體截取

其實(shí)對(duì)于本項(xiàng)目而言，窗體截取是一個(gè)邏輯上簡(jiǎn)單，實(shí)現(xiàn)起來卻相當(dāng)麻煩的部分，而且還是必不可少的部分。我們通過Spy++得到了以下兩點(diǎn)信息：

class_name="TMain"

title_name="MinesweeperArbiter"

·ms_arbiter.exe的主窗體類別為"TMain"

·ms_arbiter.exe的主窗體名稱為"MinesweeperArbiter"

注意到了么?主窗體的名稱后面有個(gè)空格。正是這個(gè)空格讓筆者困擾了一會(huì)兒，只有加上這個(gè)空格，win32gui才能夠正常的獲取到窗體的句柄。

本項(xiàng)目采用了win32gui來獲取窗體的位置信息，具體代碼如下：

hwnd=win32gui.FindWindow(class_name,title_name)

ifhwnd:

left,top,right,bottom=win32gui.GetWindowRect(hwnd)

通過以上代碼，我們得到了窗體相對(duì)于整塊屏幕的位置。之后我們需要通過PIL來進(jìn)行掃雷界面的棋盤截取。

我們需要先導(dǎo)入PIL庫(kù)：

fromPILimportImageGrab

然后進(jìn)行具體的操作。

left+=15

top+=101

right-=15

bottom-=43

rect=(left,top,right,bottom)

img=ImageGrab.grab().crop(rect)

聰明的你肯定一眼就發(fā)現(xiàn)了那些奇奇怪怪的MagicNumbers，沒錯(cuò)，這的確是MagicNumbers，是我們通過一點(diǎn)點(diǎn)細(xì)微調(diào)節(jié)得到的整個(gè)棋盤相對(duì)于窗體的位置。

注意：這些數(shù)據(jù)僅在Windows10下測(cè)試通過，如果在別的Windows系統(tǒng)下，不保證相對(duì)位置的正確性，因?yàn)槔习姹镜南到y(tǒng)可能有不同寬度的窗體邊框。

橙色的區(qū)域是我們所需要的

好啦，棋盤的圖像我們有了，下一步就是對(duì)各個(gè)雷塊進(jìn)行圖像分割了~

2.雷塊分割

在進(jìn)行雷塊分割之前，我們事先需要了解雷塊的尺寸以及它的邊框大小。經(jīng)過筆者的測(cè)量，在ms_arbiter下，每一個(gè)雷塊的尺寸為16px*16px。

知道了雷塊的尺寸，我們就可以進(jìn)行每一個(gè)雷塊的裁剪了。首先我們需要知道在橫和豎兩個(gè)方向上雷塊的數(shù)量。

block_width,block_height=16,16

blocks_x=int((right-left)/block_width)

blocks_y=int((bottom-top)/block_height)

之后，我們建立一個(gè)二維數(shù)組用于存儲(chǔ)每一個(gè)雷塊的圖像，并且進(jìn)行圖像分割，保存在之前建立的數(shù)組中。

defcrop_block(hole_img,x,y):

x1,y1=x*block_width,y*block_height

x2,y2=x1+block_width,y1+block_height

returnhole_img.crop((x1,y1,x2,y2))

blocks_img=[[0foriinrange(blocks_y)]foriinrange(blocks_x)]

foryinrange(blocks_y):

forxinrange(blocks_x):

blocks_img[x][y]=crop_block(img,x,y)

將整個(gè)圖像獲取、分割的部分封裝成一個(gè)庫(kù)，隨時(shí)調(diào)用就OK啦~在筆者的實(shí)現(xiàn)中，我們將這一部分封裝成了imageProcess.py，其中函數(shù)get_frame()用于完成上述的圖像獲取、分割過程。

3.雷塊識(shí)別

這一部分可能是整個(gè)項(xiàng)目里除了掃雷算法本身之外最重要的部分了。筆者在進(jìn)行雷塊檢測(cè)的時(shí)候采用了比較簡(jiǎn)單的特征，高效并且可以滿足要求。

defanalyze_block(self,block,location):

block=imageProcess.pil_to_cv(block)

block_color=block[8,8]

x,y=location[0],location[1]

#-1:Notopened

#-2:Openedbutblank

#-3:Uninitialized

#Opened

ifself.equal(block_color,self.rgb_to_bgr((192,192,192))):

ifnotself.equal(block[8,1],self.rgb_to_bgr((255,255,255))):

self.blocks_num[x][y]=-2

self.is_started=True

else:

self.blocks_num[x][y]=-1

elifself.equal(block_color,self.rgb_to_bgr((0,0,255))):

self.blocks_num[x][y]=1

elifself.equal(block_color,self.rgb_to_bgr((0,128,0))):

self.blocks_num[x][y]=2

elifself.equal(block_color,self.rgb_to_bgr((255,0,0))):

self.blocks_num[x][y]=3

elifself.equal(block_color,self.rgb_to_bgr((0,0,128))):

self.blocks_num[x][y]=4

elifself.equal(block_color,self.rgb_to_bgr((128,0,0))):

self.blocks_num[x][y]=5

elifself.equal(block_color,self.rgb_to_bgr((0,128,128))):

self.blocks_num[x][y]=6

elifself.equal(block_color,self.rgb_to_bgr((0,0,0))):

ifself.equal(block[6,6],self.rgb_to_bgr((255,255,255))):

#Ismine

self.blocks_num[x][y]=9

elifself.equal(block[5,8],self.rgb_to_bgr((255,0,0))):

#Isflag

self.blocks_num[x][y]=0

else:

self.blocks_num[x][y]=7

elifself.equal(block_color,self.rgb_to_bgr((128,128,128))):

self.blocks_num[x][y]=8

else:

self.blocks_num[x][y]=-3

self.is_mine_form=False

ifself.blocks_num[x][y]==-3ornotself.blocks_num[x][y]==-1:

self.is_new_start=False

可以看到，我們采用了讀取每個(gè)雷塊的中心點(diǎn)像素的方式來判斷雷塊的類別，并且針對(duì)插旗、未點(diǎn)開、已點(diǎn)開但是空白等情況進(jìn)行了進(jìn)一步判斷。具體色值是筆者直接取色得到的，并且屏幕截圖的色彩也沒有經(jīng)過壓縮，所以通過中心像素結(jié)合其他特征點(diǎn)來判斷類別已經(jīng)足夠了，并且做到了高效率。

在本項(xiàng)目中，我們實(shí)現(xiàn)的時(shí)候采用了如下標(biāo)注方式：

1-8：表示數(shù)字1到8

9：表示是地雷

0：表示插旗

-1：表示未打開

-2：表示打開但是空白

-3：表示不是掃雷游戲中的任何方塊類型

通過這種簡(jiǎn)單快速又有效的方式，我們成功實(shí)現(xiàn)了高效率的圖像識(shí)別。

4.掃雷算法實(shí)現(xiàn)

這可能是本篇文章最激動(dòng)人心的部分了。在這里我們需要先說明一下具體的掃雷算法思路：

1)遍歷每一個(gè)已經(jīng)有數(shù)字的雷塊，判斷在它周圍的九宮格內(nèi)未被打開的雷塊數(shù)量是否和本身數(shù)字相同，如果相同則表明周圍九宮格內(nèi)全部都是地雷，進(jìn)行標(biāo)記。

2)再次遍歷每一個(gè)有數(shù)字的雷塊，取九宮格范圍內(nèi)所有未被打開的雷塊，去除已經(jīng)被上一次遍歷標(biāo)記為地雷的雷塊，記錄并且點(diǎn)開。

3)如果以上方式無(wú)法繼續(xù)進(jìn)行，那么說明遇到了死局，選擇在當(dāng)前所有未打開的雷塊中隨機(jī)點(diǎn)擊。(當(dāng)然這個(gè)方法不是最優(yōu)的，有更加優(yōu)秀的解決方案，但是實(shí)現(xiàn)相對(duì)麻煩)

基本的掃雷流程就是這樣，那么讓我們來親手實(shí)現(xiàn)它吧~

首先我們需要一個(gè)能夠找出一個(gè)雷塊的九宮格范圍的所有方塊位置的方法。因?yàn)閽呃子螒虻奶厥庑?，在棋盤的四邊是沒有九宮格的邊緣部分的，所以我們需要篩選來排除掉可能超過邊界的訪問。

defgenerate_kernel(k,k_width,k_height,block_location):

ls=[]

loc_x,loc_y=block_location[0],block_location[1]

fornow_yinrange(k_height):

fornow_xinrange(k_width):

ifk[now_y][now_x]:

rel_x,rel_y=now_x-1,now_y-1

ls.append((loc_y+rel_y,loc_x+rel_x))

returnls

kernel_width,kernel_height=3,3

#Kernelmode:[Row][Col]

kernel=[[1,1,1],[1,1,1],[1,1,1]]

#Leftborder

ifx==0:

foriinrange(kernel_height):

kernel[i][0]=0

#Rightborder

ifx==self.blocks_x-1:

foriinrange(kernel_height):

kernel[i][kernel_width-1]=0

#Topborder

ify==0:

foriinrange(kernel_width):

kernel[0][i]=0

#Bottomborder

ify==self.blocks_y-1:

foriinrange(kernel_width):

kernel[kernel_height-1][i]=0

#Generatethesearchmap

to_visit=generate_kernel(kernel,kernel_width,kernel_height,location)

我們?cè)谶@一部分通過檢測(cè)當(dāng)前雷塊是否在棋盤的各個(gè)邊緣來進(jìn)行核的刪除(在核中，1為保留，0為舍棄)，之后通過generate_kernel函數(shù)來進(jìn)行最終坐標(biāo)的生成。

defcount_unopen_blocks(blocks):

count=0

forsingle_blockinblocks:

ifself.blocks_num[single_block[1]][single_block[0]]==-1:

count+=1

returncount

defmark_as_mine(blocks):

forsingle_blockinblocks:

ifself.blocks_num[single_block[1]][single_block[0]]==-1:

self.blocks_is_mine[single_block[1]][single_block[0]]=1

unopen_blocks=count_unopen_blocks(to_visit)

ifunopen_blocks==self.blocks_num[x][y]:

mark_as_mine(to_visit)

在完成核的生成之后，我們有了一個(gè)需要去檢測(cè)的雷塊“地址簿”：to_visit。之后，我們通過count_unopen_blocks函數(shù)來統(tǒng)計(jì)周圍九宮格范圍的未打開數(shù)量，并且和當(dāng)前雷塊的數(shù)字進(jìn)行比對(duì)，如果相等則將所有九宮格內(nèi)雷塊通過mark_as_mine函數(shù)來標(biāo)注為地雷。

defmark_to_click_block(blocks):

forsingle_blockinblocks:

#NotMine

ifnotself.blocks_is_mine[single_block[1]][single_block[0]]==1:

#Click-able

ifself.blocks_num[single_block[1]][single_block[0]]==-1:

#SourceSyntax:[y][x]-Converted

ifnot(single_block[1],single_block[0])inself.next_steps:

self.next_steps.append((single_block[1],single_block[0]))

defcount_mines(blocks):

count=0

forsingle_blockinblocks:

ifself.blocks_is_mine[single_block[1]][single_block[0]]==1:

count+=1

returncount

mines_count=count_mines(to_visit)

ifmines_count==block:

mark_to_click_block(to_visit)

掃雷流程中的第二步我們也采用了和第一步相近的方法來實(shí)現(xiàn)。先用和第一步完全一樣的方法來生成需要訪問的雷塊的核，之后生成具體的雷塊位置，通過count_mines函數(shù)來獲取九宮格范圍內(nèi)所有雷塊的數(shù)量，并且判斷當(dāng)前九宮格內(nèi)所有雷塊是否已經(jīng)被檢測(cè)出來。

如果是，則通過mark_to_click_block函數(shù)來排除九宮格內(nèi)已經(jīng)被標(biāo)記為地雷的雷塊，并且將剩余的安全雷塊加入next_steps數(shù)組內(nèi)。

#Analyzethenumberofblocks

self.iterate_blocks_image(BoomMine.analyze_block)

#Markallmines

self.iterate_blocks_number(BoomMine.detect_mine)

#Calculatewheretoclick

self.iterate_blocks_number(BoomMine.detect_to_click_block)

ifself.is_in_form(mouseOperation.get_mouse_point()):

forto_clickinself.next_steps:

on_screen_location=self.rel_loc_to_real(to_click)

mouseOperation.mouse_move(on_screen_location[0],on_screen_location[1])

mouseOperation.mouse_click()

在最終的實(shí)現(xiàn)內(nèi)，筆者將幾個(gè)過程都封裝成為了函數(shù)，并且可以通過iterate_blocks_number方法來對(duì)所有雷塊都使用傳入的函數(shù)來進(jìn)行處理，這有點(diǎn)類似Python中Filter的作用。

之后筆者做的工作就是判斷當(dāng)前鼠標(biāo)位置是否在棋盤之內(nèi)，如果是，就會(huì)自動(dòng)開始識(shí)別并且點(diǎn)擊。具體的點(diǎn)擊部分，筆者采用了作者為"wp"的一份代碼(從互聯(lián)網(wǎng)搜集而得)，里面實(shí)現(xiàn)了基于win32api的窗體消息發(fā)送工作，進(jìn)而完成了鼠標(biāo)移動(dòng)和點(diǎn)擊的操作。

以上內(nèi)容為大家介紹了用Python+OpenCV實(shí)現(xiàn)自動(dòng)掃雷，希望對(duì)大家有所幫助，如果想要了解更多Python相關(guān)知識(shí)，請(qǐng)關(guān)注多測(cè)師。http://www.fhzxyy.com/xwzx/